نام پروژه: (کد پروژه ۱۰۴۳) مقاله پیاده سازی شده  خوشه بندی پیش بینی شده با استفاده از الگوریتم انبوه ذرات

کلمات کلیدی:

Particle swarm optimization; projected clustering;k-means clustering;high dimensional data

نام مقاله:

Projected Clustering Using Particle Swarm Optimization

سال انتشار :

۲۰۱۲

محیط پیاده سازی : متلب

خلاصه:

Clustering methods divide the dataset into groups of similar objects, where objects in the same group are similar and
objects in different groups are dissimilar. Traditional clustering techniques that find clusters in full dimensional space
may fail to find clusters in high dimensional data due to various problems associated with clustering on high
dimensional data. Subspace and projected clustering methods find clusters that exist in subspaces of dataset. These
methods provide solutions to challenges associated with clustering on high dimensional data. Projected clustering
methods output subspace clusters where one point in the dataset belongs to only one subspace cluster. Points may be
assigned to multiple subspace clusters by subspace clustering methods. Projected clustering is preferable to subspace
clustering when partition of points is required. Particle swarm optimization (PSO) has been proven to be effective for
solving complex optimization problems. In this paper, we propose a Projected Clustering Particle Swarm
Optimization (PCPSO) method to find subspace clusters that are present in the dataset. In PCPSO, Particle swarm
optimization has been used to find optimal cluster centers by optimizing a subspace cluster validation index. In this
paper, kmeans has been used to find neighbourhood of subspace cluster centers. The proposed method has been used
to find subspace clusters that are present in some synthetic datasets.

خوشه بندی را می توان به عنوان مهمترین مسئله در یادگیری بدون نظارت در نظر گرفت. خوشه بندی با یافتن یک ساختار درون یک مجموعه از داده های بدون برچسب درگیر است. خوشه به مجموعهای از داده ها گفته میشود که به هم شباهت داشته باشند. در خوشهبندی سعی میشود تا دادهها به خوشه هایی تقسیم شوند که شباهت بین دادههای درون هر خوشه حداکثر و شباهت بین دادههای درون خوشههای متفاوت حداقل شود.

پیاده سازی+ گزارش کار (می توانید قبل از خرید یک ایمیل به ما بزنید و از جزییات پروژه در صورت نیاز با خبر بشوید.)

هزینه : ۱۴۰ هزار تومان

برای خرید پروژه ، مبلغ فوق را از طریق پرداخت آنلاین واریز کنید و با شماره تماس یا ایمیل بالای سایت تماس بگیرید تا پروژه برای شما ارسال گردد.